基于遺傳算法的低壓配電網無功補償優化方法研究

陳育明

（廣東創輝電力工程有限公司，廣東佛山 528000）

低壓配電網的關聯電力設備及裝置較多，再加上外部環境及特定因素的影響，常常出現運行不穩的狀況，為此需要進行低壓配電網無功補償優化處理。傳統的無功補償優化形式一般為單向，參考文獻［1］和文獻［2］，設定傳統多層級協同無功補償優化方法、傳統粒子群算法無功補償優化方法。這一類處理形式雖然可以實現預期的電網控制任務，但是穩定性與針對性較差，在復雜的配電網環境下也難以打動預期設定的優化標準，為此提出對基于遺傳算法的低壓配電網無功補償優化方法的設計與驗證研究。遺傳算法，主要指的是一種計算數學中用于解決最佳化的搜索算法，實際上也是進化算法。將該項算法與低壓配電網無功補償優化工作進行融合，一定程度上可以進一步強化實際的優化環節，逐步形成更加穩定、靈活的無功補償處理結構，加強對優化問題的控制，改善配電線路的無功分布情況，分時段優化，為后續配電網無功補償處理技術的創新奠定基礎［3］。

1 設計低壓配電網無功補償遺傳測算優化方法

1.1 無功補償點選擇

低壓配電網的運行線路較為復雜，所以在進行無功補償之前，需要先選擇對應的補償點［4］。傳統的設定形式一般為單層級，針對性不強，所以優化的效果十分有限。為了減小故障空間，增加實際的優化效果，結合具體的處理需求，先計算出補償點的靈敏度：

公式（1）中：S 表示補償點的靈敏度，k 表示狀態矢量，D 表示潮流定值。根據上述設定，完成對補償點靈敏度具體值的計算，接下來，結合配電網的運行狀態，進行定向優化矩陣的設計［5］。

同時，采集配變低壓側補償點與中壓補償點之間的變動數據和信息，判定此時無功補償的降損效果，為后續的優化處理奠定基礎環境。

1.2 設定低壓配電網多階約束條件

所謂約束條件，實際上是一種針對于配電網運行的限制結構。電網在運行的過程中常常會出現逆向的故障或者缺陷等問題，對關聯設備也會造成不可控制的損壞，為此需要先進行補償電容容量的多階約束處理。

圖1 低壓配電網多階約束條件圖示

根據圖1，完成對低壓配電網約束條件的設定，結合實際的測定需求，形成可控的約束結構，營造穩定的限制環境。

1.3 構建遺傳算法無功補償優化模型

利用上述設定的約束條件結構，結合遺傳算法，進行無功補償優化模型的構建。首先，綜合無功補償的優化處理標準，進行基礎指標數值的設置，如下表1 所示。

表1 無功補償優化模型基礎指標數值設置表

根據表1，完成對無功補償優化模型基礎指標數值的設置，綜合電容容量的變動狀態，調整無功補償的位置以及負荷值，建立一個遺傳種群，將每一個不補償點設定為一個遺傳單元值，形成循化性的智能優化程序，基于遺傳算法，計算出降損值：

公式（3）中：ΔP 表示降損值，W0表示定向遺傳單元值，J0表示配變低壓側補償偏差，ΔR 表示補償容量上限，U 表示補償次數。將該數值設定在模型之中，強化模型的負荷情況，確保配電網保持平衡，以此來提高模型的優化效果。

1.4 無功諧波潮流限制實現優化處理

無功諧波潮流是低壓配電網無功補償的基礎性條件，需要先確定電網中實際的電子量傳輸權限標準，營造無功諧波的處理環境，確保每種潮流單元負載相同，通過低壓控制逐漸促使負載運行趨于穩定，測定計算出最小電網無功差異量：

公式（4）中：L 表示最小電網無功差異量，σ 表示諧波電子分布差，β 表示判別定值，y 表示無功補償次數，b 表示無功諧波潮流單元值。結合得出的數值，調整模型的優化結構，結合無功諧波潮流的限制，強化補償環境，獲取最佳效果。

2 方法測試

本次主要是對基于遺傳算法的低壓配電網無功補償優化方法的實際應用效果進行分析和驗證研究，考慮到最終測試結果的真實性與可靠性，選定G 低壓配電網作為測試的主要目標對象，采用對的方式展開分析，參考文獻設定傳統多層級協同無功補償優化測試組、傳統粒子群算法無功補償優化測試組以及此次所設計的遺傳算法無功補償優化測試組。根據實際的測定需求及標準，對最終獲取的測試結果比照研究，接下來，進行初始測試環境的搭建。

2.1 測試準備

將低壓配電網相關設備及應用主機調節至最佳狀態，在控制系統中接入一個無功斷路控制器，便于后期補償優化環境的設定。設置中壓傳輸區域，控制傳輸流失效率，確保配電網的運行趨勢保持平穩，計算出電網全局輸出最大值20.13%與全局輸出最小值16.25%，形成優化控制的限制條件。接下來，結合遺傳算法，對基礎性電網測試控制指標及參數的設置，如下表2 所示。

表2 低壓配電網測試控制指標及參數設置表

根據表2，完成對低壓配電網測試控制指標及參數的設置，綜合實際的測定需求及標準，計算出補償后功率因數標準值為0.85，中壓電壓最大值為13kV，實現基礎測試環境的搭建之后，結合遺傳算法，進行具體的測定分析。

2.2 測試過程及結果分析

在上述搭建的測試環境中，基于遺傳算法，對G 低壓配電網無功補償優化方法進行測定研究。首先，需要明確配電網中無功補償的具體范圍，且在區域之內設定5 個配變接入點，設定補償的單元容量為85kvar。利用遺傳算法構建種群，設置其規模為25，最大的迭代代數為1600，結合此時配電網中的配變負荷功率的變動情況，計算出遺傳交叉率為0.65，變異率為0.21。結合各個配變接入點的無功補償最大、平均、最小的功率因數變化狀態以及電壓的穩定程度，計算出無功補償極限損耗值：

公式（5）中：G 表示無功補償極限損耗值，m 表示覆蓋補償范圍，η 表示低壓側最低電壓，i 表示補償頻次，v 表示配變最大補償度。根據上述設定，完成對測試結果的分析，具體如下圖2 所示。

圖2 測試結果對比分析圖示

根據圖2，完成對測試結果的分析：對比于傳統多層級協同無功補償優化測試組、傳統粒子群算法無功補償優化測試組，此次所設計的遺傳算法無功補償優化測試組最終得出的無功補償極限損耗值均被較好地控制在了150kW 以下，說明該種優化形式的針對性與穩定性較高，在進行無功補償優化的過程中控制效果更佳，具有較高的應用價值。

3 結論

總而言之，以上便是對基于遺傳算法的低壓配電網無功補償優化方法的設計與驗證研究。與初始的無功補償優化形式相對比，此次結合遺傳算法，所設計的優化處理形式更加靈活、多變，具有較強的針對性和穩定性。結合配電網實際的執行需求，設計對應的優化環節，加強對網絡指令的定向控制，提高配電網日常的綜合應用能力。